半導体の形状が 10nm 以下に縮小すると、「無害な」外観上の欠陥と致命的な機能上の欠陥との間の閾値が実質的になくなります。ウェーハ表面の小さな傷や汚れは、かつては無視できるものと思われていました。現在、極度の熱ストレス下では重大な信頼性リスクが生じます。最新のウェーハとパッケージングの量では、人による検査は統計的にもはや実行可能ではありません。オペレーターは何百万もの微細なコンポーネントを正確に処理することはできません。眼が常に疲労していると、当然異常を見逃すことになります。
自動化へのアップグレード 外観上の欠陥検査装置は 、現在、高歩留まり製造の基本要件となっています。ただし、本当の投資収益率を計算するには、さらに詳しく調べる必要があります。単純な欠陥捕捉率を超えて目を向ける必要があります。精度、生産スループット、データのトレーサビリティのバランスを完璧にとれるシステムが必要です。この記事では、高度な検出システムがどのように歩留まりを保護し、最新の製造施設における品質管理を再定義するかについて説明します。
歩留まりの保護: 自動化された表面欠陥検出により、表面の異常 (微細な傷、汚れ、欠け) が下流の故障に悪化するのを防ぎます。
オーバーキルの削減: 高度なシステムは重大な欠陥と許容可能な差異を区別し、実行可能なシリコンを無駄にする誤検出 (オーバーキル) を最小限に抑えます。
トレーサビリティ: 最新の外観検査装置は MES/YMS と直接統合され、根本原因分析のための閉ループ フィードバックを提供します。
AI と従来型: ルールベースの AOI (自動光学検査) からディープ ラーニング モデルへの移行により、メーカーによる検査ソリューションの評価方法が根本的に変化しています。
私たちは多くの場合、表面上の欠陥を無害なものとして扱います。この思い込みは今日では危険です。美的欠陥と機能的欠陥の間の境界線は常に曖昧です。シリコンの端にある小さな欠けは、単純な美的問題のように見えるかもしれません。ただし、深刻な応力集中点が発生します。コンポーネントが熱サイクルを受けると、この点が機能しなくなります。きずは微細な亀裂へと拡大します。最終的には機能回路が破壊されます。不動態層の変化やわずかな変色は、多くの場合、根底にある化学的不均衡を示しています。高出力アプリケーションでは、これらの一見表面的な異常を無視することはできません。
偽陰性は、システムが欠陥を見逃すときに発生します。私たちはこれを「アンダーキル」と呼んでいます。表面上の欠陥を回避すると、重大な結果が生じます。それらは気付かれずに最終製品に紛れ込みます。フィールド障害は展開直後に発生します。顧客は高価な返品承認 (RMA) を発行します。さらに重要なことは、ベンダーの認定ステータスが大きな打撃を受けることです。 Automotive Electronics Council などの機関は、AEC-Q100 などの信頼性基準を厳格に施行しています。彼らは欠陥ゼロを要求します。たった 1 つの傷でも欠けると、あなたの評判は完全に傷つきます。
誤検知も同様に破壊的です。私たちはこれを「オーバーキル」と呼んでいます。従来の検査ツールは多くの場合、非常に敏感です。許容可能な材料の差異を重大な欠陥としてフラグを立てます。これにより、歩留まりが人為的に低下します。結局、完全に実行可能なシリコンを廃棄することになります。あるいは、オペレーターに手動による二次レビューを強制します。これでは時間と高度な熟練労働が無駄になります。それは工場オートメーションの目的全体を無効にします。この過剰な作業を大幅に削減するには、スマートなシステムが必要です。
業界の状況は急速に変化しています。 Tier 1 の自動車および航空宇宙のクライアントは、絶対的な完璧さを求めます。現在では、サプライチェーン全体にわたる厳格なトレーサビリティが義務付けられています。これらは、すべての半導体コンポーネントに対して絶対的な欠陥ゼロの許容範囲を強制します。単純な目視チェックではもはやコンプライアンス監査は満足できません。コンポーネントの完全性を示す否定できないデジタル証拠を提供する必要があります。自動検査により、この検証可能なデータ証跡が簡単に得られます。
バッチサンプリングはかつて業界標準でした。現在では完全に廃止されています。最新のインライン処理システムは、コンポーネントを 100% 検査します。彼らはこれを最高の生産速度で実行します。検査ステーションでボトルネックに直面することはもうありません。この装置は 1 時間あたり数千個のユニットを連続的に処理します。この包括的な補償により、欠陥の即時封じ込めが保証されます。高価な梱包段階に移る前に異常を発見します。
現代の製造はナノスケールで行われています。自動化システムは、このスケールに適合する高度な光学系を使用します。これらは、明視野、暗視野、干渉法の技術を組み合わせています。これらの照明方法は、表面の異常をナノメートルレベルまで明らかにします。 10nmの粒子の堆積を瞬時に検出できます。屈強 外観上の欠陥検査により、 見逃されるものが何もないことが保証されます。重大な機能エラーに発展する前に、微細な逸脱を特定します。
検査ツールは、良品のチップと不良のチップを選別するだけではありません。これらは強力なデータ収集ノードとして機能します。このシステムは、数百枚のウェーハにわたる欠陥位置データを集約します。繰り返しのパターンを簡単に識別します。たとえば、繰り返し発生するエッジの傷は、ロボット ハンドリング アームの位置がずれていることを示している可能性があります。上流の機器のドリフトをすぐに発見します。症状を継続的にフィルタリングするだけでなく、根本原因を修正します。
手動の QA エンジニアに依存すると、工場の成長が制限されます。視覚的な並べ替えは面倒で、間違いが非常に発生しやすい作業です。最新の設備により、これらの高度なスキルを持つ労働者は反復的な作業から解放されます。彼らはプロセスの改善と高度な欠陥分析に移ります。エンジニアリング チームの価値を最大化します。彼らは、一日中顕微鏡を見つめるのではなく、複雑な収量の課題を解決することに重点を置いています。
厳密なアルゴリズムにより、従来のルールベースの AOI システムが管理されます。正確なパラメータをソフトウェアにプログラムします。これらのシステムは、予測可能で高度に構造化されたコンポーネントで優れています。厳密な幾何公差を完璧に処理します。しかし、彼らは適応力に欠けています。彼らは予測できない有機的な形状に苦労しています。さまざまな背景があると、アルゴリズムが混乱しやすくなります。ウェーハ表面全体の反射率が変化すると、誤った警報が常にトリガーされます。
ディープラーニングは検査パラダイムを完全に変えます。 AI を活用したモデルは、ハードコーディングされたルールに依存しません。複雑な表面や低コントラストの欠陥を美しく処理します。誤検知を最小限に抑えることに優れています。アルゴリズムは大規模なデータセットから学習します。 「良い」コンポーネントと「悪い」コンポーネントの例を彼らに与えます。これらは許容可能なバッチ間の変動に自然に適応します。継続的で退屈なパラメータ調整を回避できます。彼らは人間のオペレーターと同じようにコンテキストを理解します。
場合によっては、両方のアプローチが同時に必要になることがあります。ハイブリッド システムは、究極の自動化ソリューションを提供します。これらは、厳密な計測のために決定論的なルールベースの測定を組み合わせます。同時に、AI を活用した 外観上の異常を検出する表面欠陥の検出 。完璧な幾何学的検証とインテリジェントな異常認識を 1 回のパスで実現します。この多用途性により、最新の高度なパッケージング工場で非常に人気があります。
システムカテゴリ |
最適なアプリケーション シナリオ |
主な技術的利点 |
主な制限事項 |
|---|---|---|---|
ルールベースの AOI |
予測可能で高度に構造化されたコンポーネント。 |
厳密な幾何公差や計測に最適です。 |
有機的な形状とさまざまな反射率に苦労しています。 |
AI / 機械学習 |
複雑な表面と低コントラストの異常。 |
バッチの変動に適応します。誤検知を最小限に抑えます。 |
トレーニングには、ラベル付きの広範な欠陥データセットが必要です。 |
ハイブリッドシステム |
高度なパッケージングと厳格なコンプライアンス環境。 |
正確な計測とインテリジェントな異常検出を組み合わせます。 |
より複雑なソフトウェアの統合と展開のフェーズ。 |
スピードと詳細のバランスを慎重にとる必要があります。光学倍率を高くすると、小さな欠陥がはっきりとわかります。ただし、カメラの視野が大幅に減少します。これにより、検査プロセスが大幅に遅くなります。システムが必要な解像度で必要な UPH (単位/時間) を維持しているかどうかを評価する必要があります。不必要な倍率レベルのために生産スループットを犠牲にすることはできません。
照明は検査プロセスを完全に左右します。半導体材料は本質的に反射率が高いです。標準的な照明は強いまぶしさを生み出し、重大な欠陥を隠します。システムの照明アーキテクチャを徹底的に評価する必要があります。マルチアングルおよびマルチスペクトル照明機能を探してください。高度なツールは 3D イメージングを使用して、複雑な表面を貫通します。素晴らしい 視覚検査装置は 特殊な波長を使用して反射率の問題を完全に回避します。これにより、表面欠陥の正確なトポグラフィーが正確にマッピングされます。
ハードウェアは方程式の半分しか表しません。ソフトウェア エコシステムは、現実世界の使いやすさと工場の統合を決定します。機器は既存のデータ インフラストラクチャとシームレスに統合する必要があります。最適な相互運用性を確保するには、展開前にいくつかの主要なソフトウェア要件を確認する必要があります。
工場全体のマシン通信に対して厳密な SECS/GEM 準拠を確保します。
カスタム データの抽出とレポートを有効にするための API の準備が整っていることを確認します。
現在の製造実行システム (MES) との統合プロトコルをテストします。
既存の収益管理システム (YMS) へのスムーズなデータ フロー マッピングを確認します。
AI ベースのシステムは驚くべき検査結果をもたらします。ただし、これらは非常にデータを必要とするツールです。効果的にトレーニングするには、正確にラベル付けされた大規模なデータセットが必要です。何千ものエッジケースの例を彼らに提供する必要があります。傷、汚れ、欠けの明確で分類された画像が必要です。この初期イメージ ライブラリの構築には、多大な時間とエンジニアリングの労力がかかります。
導入初日にすぐに完璧になることを期待しないでください。初期セットアップとキャリブレーション段階を確認します。システムが特定の製品パラメータを学習するには時間が必要です。この調整期間中、オーバーキル率が一時的に上昇する可能性があります。機械学習モデルは、最初は慎重な側にあります。より多くの実稼働データを取り込むと、精度が劇的に向上します。この学習曲線に沿って生産スケジュールを計画する必要があります。
従来の生産ラインをアップグレードすると、物理的な課題が生じます。最新のシステムは、大量の高解像度データを継続的にキャプチャします。このような大量の画像データ ペイロードを処理するには、多くの場合、ネットワーク インフラストラクチャのアップグレードが必要になります。工場現場での物理的な設置面積の調整が必要になる場合もあります。古いロボットローダーでは、カスタム処理の統合が頻繁に必要になります。徹底的に 半導体検査 計画を立てることで、コストのかかる導入の遅延を防ぐことができます。
買い手はベンダーの主張に非常に慎重に対処する必要があります。プラットフォームにコミットする前に、常に厳密な概念実証 (PoC) を要求します。 PoC を成功させるには、実際のパフォーマンスを正確に評価するための厳格なガイドラインが必要です。最終候補者リストのプロセスでは次の手順に従います。
テスト段階には、特定のアクティブな量産ウェーハを提供します。
既知の非常に困難なエッジケースの欠陥を意図的にサンプル バッチに含めます。
一般的なベンダーのテストサンプルや未使用のデモンストレーションウェーハを完全に拒否します。
欠陥捕捉率と誤検知率の両方を個別に測定します。
外観上の欠陥検査は、もはや見た目の美しさだけを問題にするものではありません。これは、半導体の信頼性に対する重要な防御メカニズムです。これは、最新の歩留まりの最適化とコンプライアンスの基盤として機能します。高度な検出機能を導入しないと、サプライ チェーンが下流の障害に対して脆弱になります。
システム評価は、単純なハードウェア仕様を超えて進化する必要があります。最も効果的な評価戦略は、要求されるメガピクセル数を無視します。代わりに、誤検知と手動レビュー時間の両方を削減するシステムの実証済みの能力に焦点を当てています。インテリジェントなソフトウェアは、高級光学部品と同じくらい重要です。
今日、現在の検査プロセスを詳しく見てみましょう。現在のオーバーキル率と誤検知の監査を直ちに実施します。ほとんどの手作業によるやり直しの原因となっている特定の表面の異常を特定します。これらの問題のある欠陥タイプに完全に基づいて、対象を絞ったシステムのデモをリクエストします。
A: 機能的な欠陥があると、コンポーネントに直ちに電気的障害が発生します。表面の汚れや小さな傷などの表面上の欠陥は、すぐに機能を停止させるわけではありません。ただし、これらは危険なプロセス ドリフトを示しています。時間の経過とともに熱ストレスがかかると、フィールドでの早期故障が発生する重大な危険性があります。
A: AI は製造上のばらつきをより適切に処理します。視覚的なコンテキストを理解します。これにより、無害な色の変化や許容可能なマテリアル テクスチャによって引き起こされる誤検知が大幅に減少します。厳密なルールに基づいたアルゴリズムでは、これらの許容できる小さな違いでつまずくことがよくあります。
A: はい、ただし高度に専門化された光学系が必要です。標準の光学的外観検査ではなく、深紫外または電子ビーム検査が必要です。これらの高度な手法は 10nm 未満の欠陥を捕捉しますが、コストとスループットの大きなトレードオフが伴います。
